针对气动肌肉运动过程中产生的迟滞现象,采用神经网络方法对其位移/气压迟滞开展了建模比较研究。首先组建了气动肌肉的迟滞特性测试实验平台,采集其位移/气压迟滞实验数据;然后基于BP神经网络和RBF神经网络分别进行了迟滞环的整体和分段建模,并与经典PI模型的建模效果进行了对比。研究表明,PI模型的建模精度比神经网络差,但计算时间短;神经网络整体建模时存在过拟合现象,而分段建模则可有效避免过拟合现象;BP神经网络的建模与预测精度均优于RBF神经网络;对于BP神经网络,分段建模的平均误差、均方差和最大误差相较于整体建模分别减小了9.07%、14.54%和24.68%,而采用RBF神经网络,其误差分别减小了8.89%、13.03%和19.49%,可见分段建模的预测精度优于整体建模。

针对传统迟滞模型存在的待辨识参数多、参数辨识过程复杂和辨识精度低等问题,采用最小二乘支持向量机对气动肌肉的位移/气压迟滞开展建模研究。通过非线性映射将原始数据空间映射到高维空间,将原系统的非线性问题变成高维空间中的线性问题,借助于最小二乘法求解该线性方程组,从而提高其求解速度及收敛精度。在气动肌肉迟滞特性实验的基础上,采用所建数学模型,与经典的PI模型进行对比。结果表明,采用最小二乘支持向量机建立的数学模型具有更高的建模精度,均方差和平均误差相比PI模型分别减小了99.21%和99.1%,该方法可为后续气动肌肉的迟滞补偿控制提供有效的手段。

为了辨识气动肌肉运动过程中的迟滞非线性特性,在气动肌肉位移/气压迟滞特性实验的基础上,分别采用KP模型和多项式模型对其位移/气压迟滞展开了建模研究,并采用递推最小二乘法分别对两种模型中的未知参数进行了辨识,研究不同算子个数和多项式次数对模型建模精度的影响。参数辨识结果发现,KP模型拟合精度明显优于多项式模型,随着算子个数的增加,KP模型的精度显著提高,多项式模型的建模精度也随着多项式次数的增加而提高。

为了识别磁流变阻尼器（MRD）Bouc-Wen模型中的未知参数,提高半主动控制中的参数通用性,提出一种逐渐缩小参数取值范围的遗传算法（GA）提高识别精度,并根据参数随电流的变化趋势对其函数关系进行拟合。对MRD Bouc-Wen模型进行了数值仿真设计。除试验数据外,在无其他先验知识的条件下利用遗传算法进行了参数识别,并在建立62个自由度铁道车辆整车模型的基础上进行了悬挂半主动控制系统数值仿真分析,用于验证识别出的Bouc-Wen模型。仿真结果表明,利用遗传算法识别的MRD Bouc-Wen模型进行半主动控制可以有效降低车体横向加速度,提高车辆运行平稳性能。

为减小摩擦对比例多路阀性能的影响,提出基于修正黏性摩擦LuGre模型的比例多路阀摩擦特性分析、模型参数辨识以及摩擦补偿方法。通过实验测试间接得出摩擦数据,运用数据拟合方法辨识出修正黏性摩擦LuGre模型的静态和动态参数。基于辨识参数设计出修正黏性摩擦LuGre模型摩擦状态观测器,将观测器摩擦信号输出量反馈到控制模型输入端,减小摩擦对比例多路阀性能的不良影响。仿真结果表明,基于辨识参数的修正黏性摩擦LuGre模型摩擦补偿方法可提高比例多路阀的位置跟踪精度。

针对液压伺服系统不易进行状态估计和参数辨识的问题,提出了一种鲁棒算法,把液压伺服系统的动态行为当作一个具有时变参数的线性随机状态空间模型来描述,把故障当作系统参数变化,将参数公式中重要项进行泰勒级数展开,推导线性状态方程和线性测量方程,从而得出状态向量和参数向量的估计。在液压伺服系统中实验结果表明:该鲁棒算法能很好地对液压伺服系统进行状态估计和参数辨识;并且相比于其他算法,收敛速度快,对非高斯噪声和系统参数故障的存在敏感性较低,鲁棒性好。

为确定温控系统边界条件,采用有限元法和回归分析对其进行参数辨识,并通过试验验证方法有效性。通过建立温控系统的有限元模型,进行单因素分析,揭示对流传热系数和热功率对稳态温度的影响规律。采用非线性最小二乘法建立数学模型,确定环境对流传热系数和系统的热功率,修正有限元模型边界条件。通过多项式回归建立温控系统响应面方程,可以在不同的热环境下选择合理的热功率达到目标温度。将修正模型的瞬态热分析结果和试验温升曲线进行对比,两者基本吻合。结果表明,该方法可以用来建立准确的温控系统有限元模型,并为温控电路设计提供依据。

为了建立阻尼可调式减振器AMESim模型,通过对电磁阀式阻尼可调减振器的力学特性研究建立最初的减振器AMESim模型,然后通过实物测量得到AMESim模型的部分参数。然后利用遗传算法,并根据减振器示功特性实验数据对阻尼可调减振器模型复原阀、流通阀的阀口参数进行辨识。最后进行阻尼可调减振器实际特性实验和AMESim模型仿真特性实验,对比阻尼可调减振器AMESim模型力学特性与实际阻尼可调减振器的力学特性。结果表明所建模型可用于减振器控制算法的设计和估计减振器台架试验中难以测量到的动态数据,为汽车阻尼可调半主动悬架控制研究奠定基础。

根据轨道路基测试装置工作原理,建立了动压缸电液伺服压力系统AMESim模型,理论推导出该系统传递函数。针对标准差分进化算法早熟问题,构造了一种可以自动调节变异因子、变异算子和交叉因子的自适应差分进化算法。设计了基于该系统AMESim模型的参数辨识方案,进行了自适应差分进化算法与其他算法的对比仿真,验证了该算法具有良好的辨识精度和收敛性,给出了动压缸负载开环传递函数辨识参数,并通过自适应差分进化算法获得了伺服阀系统开环传递函数辨识参数。最后给出了动压缸电液伺服压力系统传函参数,通过与该系统AMESim模型对比仿真,验证了该辨识参数的有效性。

针对变频器电磁干扰环境下对存在纯延迟的电液控制系统参数辨识时采用普通最小二乘方法精度不够、效率低等问题提出采用L-M(Levenbreg-Marquardt)算法对系统参数进行辨识的方法在延迟时间已知的条件下建立了电液控制系统的可辨识离散时域差分方程模型在系统输出信号含有现场真实变频器电磁干扰时分别采用L-M算法和普通最小二乘算法对系统参数进行了辨识仿真结果表明前者在参数辨识精度上比后者高5.43%辨识速度快46.4%。